OpenAI พบปัญหา SWE-Bench Pro เบนช์มาร์กประเมินโค้ด

OpenAI เปิดเผยผลวิเคราะห์ใหม่ชี้ SWE-Bench Pro เบนช์มาร์กประเมินโค้ดยอดนิยมมีข้อบกพร่อง ส่งผลให้ความน่าเชื่อถือและความแม่นยำในการประเมินโมเดล AI ถูกตั้งคำถาม ซึ่งอาจกระทบต่อการเปรียบเทียบสมรรถนะของโมเดลต่างๆ

ที่มา: OpenAI News